一、 什么是 Elastic Search
ElasticSearch 是一个基于 Lucene 的搜索服务器。它提供了一个分布式的全文搜索引擎，其对外服务是基于 RESTful web 接口发布的。Elasticsearch 是用 Java 开发的应用，并作为 Apache 许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到近实时搜索，稳定，可靠，快速，安装使用方便。
1 相关概念
1.1 cluster
集群。ElasticSearch 集群由一或多个节点组成，其中有一个主节点，这个主节点是可以通过选举产生的，主从节点是对于集群内部来说的。ElasticSearch 的一个概念就是去中心化，字面上理解就是无中心节点，这是对于集群外部来说的，因为从外部看 ElasticSearch集群，在逻辑上是个整体，你与集群中的任何一个节点通信和与整个 ElasticSearch 集群通信是等价的。也就是说，主节点的存在不会产生单点安全隐患、并发访问瓶颈等问题。
1.2 shards
primary shard：代表索引的主分片，ElasticSearch 可以把一个完整的索引分成多个primary shard，这样的好处是可以把一个大的索引拆分成多个分片，分布存储在不同的ElasticSearch 节点上，从而形成分布式存储，并为搜索访问提供分布式服务，提高并发处理能。primary shard 的数量只能在索引创建时指定，并且索引创建后不能再更改 primaryshard 数量。
1.3 replicas
replica shard：代表索引主分片的副本，ElasticSearch 可以设置多个 replica shard。replica shard 的作用：一是提高系统的容错性，当某个节点某个 primary shard 损坏或丢失时可以从副本中恢复。二是提高 ElasticSearch 的查询效率，ElasticSearch 会自动对搜索请求进行负载均衡，将并发的搜索请求发送给合适的节点，增强并发处理能力。
1.4 Index
索引。相当于关系型数据库中的表。其中存储若干相似结构的 Document 数据。如：客户索引，订单索引，商品索引等。ElasticSearch 中的索引不像数据库表格一样有强制的数据结构约束，在理论上，可以存储任意结构的数据。但了为更好的为业务提供搜索数据支撑，还是要设计合适的索引体系来存储不同的数据。
1.5 Type
类型。每个索引中都必须有唯一的一个 Type，Type 是 Index 中的一个逻辑分类。ElasticSearch 中的数据 Document 是存储在索引下的 Type 中的。
注 意 ： ElasticSearch5.x 及 更 低 版 本 中 ， 一 个 Index 中 可 以 有 多 个 Type 。ElasticSearch6.x 版本之后，type 概念被弱化，一个 index 中只能有唯一的一个 type。且在 7.x 版本之后，删除 type 定义。
1.6 Document
文档。ElasticSearch 中的最小数据单元。一个 Document 就是一条数据，一般使用JSON数据结构表示。每个Index下的Type中都可以存储多个Document。一个Document中可定义多个 field，field 就是数据字段。
如：学生数据（{"name":"张三", "age":20,"gender":"男"}）。
1.7 反向索引|倒排索引
对数据进行分析，抽取出数据中的词条，以词条作为 key，对应数据的存储位置作为value，实现索引的存储。这种索引称为倒排索引。倒排索引是Document写入ElasticSearch时分析维护的。
如：
| 数据 | ||
|---|---|---|
| 商品主键 | 商品名 | 商品描述 |
| 1 | 荣耀 10 | 更贵的手机 |
| 2 | 荣耀 8 | 相对便宜的手机 |
| 3 | IPHONE X | 要卖肾买的手机 |
| 分析结果、倒排索引 | |
|---|---|
| 词条 | 数据 |
| 手机 | 1，2，3 |
| 便宜 | 2 |
| 卖肾 | 3 |
| 相对 | 2 |
| 荣耀 | 1，2 |
| IPHONE | 3 |
2 ElasticSearch 常见使用场景
维基百科：全文检索，高亮显示，搜索推荐
The Guardian（国外的一个新闻网站），此平台可以对用户的行为（点击、浏览、收藏、评论）、社区网络数据（对新闻的评论等）进行数据分析，为新闻的发布者提供相关的公众反馈。
Stack Overflow（国外的程序异常讨论论坛）
Github（开源代码管理），在千亿级别的代码行中搜索信息
电子商务平台等。
3 为什么不用数据库做搜索？
3.1 查询语法复杂度高。
如：电商系统中搜索商品数据 - select * from products where name like '%关键字%' and price bewteen xxx and yyy and ......。不同的用户提供的查询条件不同，需要提供的动态 SQL 过于复杂。
3.2 关键字索引不全面，搜索结果不符合要求
如：电商系统中查询商品数据，条件为商品名包含' 笔记本电脑 '。那么对此关键字的分析结果为-笔记本、电脑、笔记等。对应的查询语法应该为 - select * from products where name like '%笔记本%' or name like '%电脑%' .......
3.3 效率问题
数据量越大，查询反应效率越低。